基于扩散滤波的多尺度三维变分研究

将扩散方程引入三维变分分析,揭示了传统3D-VAR不能有效提取多尺度观测信息的根本原因,即观测导致的目标函数梯度在空间的不连续分布.将扩散滤波融入基于梯度的最优化算法,发展了基于扩散滤波的多尺度3D-VAR.海表面温度数据同化试验结果表明,新方法可从长波至短波有效地提取多尺度的观测信息.     

中尺度暖涡对热带气旋强度变化的影响及作用机制

基于两组理想化数值试验,对比研究了分布于热带气旋不同位置处的海洋中尺度暖涡所引发的热带气旋强度变化的时空特征。研究发现,热带气旋中心附近的暖涡对热带气旋强度有增强作用,而位于热带气旋外围的暖涡则会抑制热带气旋的发展。本研究将暖涡增强（减弱）热带气旋强度的区域称为内（外）区。随着时间的推移,内（外）区暖涡对热带气旋强度的增强（减弱）幅度逐渐减小（增大）,区域范围同步减小（增大）。内区暖涡增强了热带气旋的次级环流和结构对称性、增加了海气界面热通量,同时减弱了外围螺旋雨带,进而导致热带气旋强度增强;若暖涡在外区,其对热带气旋的作用相反,导致热带气旋强度减弱。由于理想化试验中热带气旋静止不动,因此研究结果可能只适用于传播速度较慢的热带气旋。本研究结果有助于更好地理解热带气旋和海洋中尺度暖涡之间的相互作用,并通过引入热带气旋外区暖涡的影响助力提高热带气旋强度预报工作。     

基于高分辨率风场的海洋近惯性能通量计算——时空特征及其影响因素

基于高分辨率CFSR(climate forecast system reanalysis)风场资料、气候态海洋混合层厚度资料和卫星高度计海面高度异常资料,本文估计了大气风场向全球海洋混合层的近惯性能通量和近惯性能量输入功率,并探究了混合层厚度、风场时间分辨率、经验衰减系数和中尺度涡旋涡度对近惯性能通量和能量输入功率的影响。浮标实测风场和流速表明,本文所用的风场和阻尼平板模型可用于估计风场向全球海洋的近惯性能通量。本文计算得到的大气向全球海洋输入近惯性能量的功率为0.56TW(1TW=10~(12)W),其中北半球贡献0.22TW,南半球贡献0.34TW。在时间上,风场的近惯性能通量呈现各个半球冬季最强、夏季最弱的特征,这和西风带风场的季节变化有关。在空间上,近惯性能通量的高值海域为南、北半球西风带海洋,尤其是南大洋。混合层厚度和风场空间不均匀性使得西风带近惯性能通量呈现纬向变化,即海盆西部强于海盆东部。风场时间分辨率对近惯性能通量的估计至关重要,低时间分辨率风场对近惯性能通量的低估达到13%—30%。阻尼平板模型中的经验衰减系数对近惯性能通量估计的影响不超过5%。中尺度涡旋涡度仅改变近惯性能通量的空间分布,而对全球近惯性能量输入功率的影响可以忽略。     

捷联式航空重力扰动矢量解算及误差补偿

介绍捷联式航空重力矢量测量的基本原理,利用波数相关滤波（WCF）、比力线性校正的方法对重力扰动的水平和垂向分量进行误差补偿,评定内符合精度。对国产捷联式航空重力矢量仪的某次试验数据进行处理,以验证和评估航空重力矢量仪的性能。结果表明,在半波长分辨率为7.5 km时,6条重复测线的重力扰动水平分量经波数相关滤波处理后,东、北向分量的平均内符合精度分别从9.77 mGal、9.18 mGal提高到5.95 mGal、3.83 mGal;对比力的垂向分量线性校正后,将解算的重力扰动垂向分量再用WCF方法处理,其平均内符合精度从1.27 mGal提高到0.59 mGal。     

一种基于OpenMP的高效GPS卫星钟差实时估计方法

提出基于单观测值的Kalman滤波快速计算方法,并引入共享存储并行编程（OpenMP）技术实现协方差快速更新,从而实现非差GPS卫星钟差的快速实时计算。均匀选取55个IGS参考站,计算2017-03-20~03-30采样率为60 s的卫星钟差。与IGS事后30 s钟差相比,两者具有很好的一致性,RMS互差优于0.5 ns。选取未参与钟差解算的10个IGS参考站进行精密单点定位,结果表明,实时静态PPP水平方向精度优于2 cm,高程方向精度为2~4 cm;实时动态PPP水平方向精度为2～4 cm,高程方向精度为4～6 cm,能够满足实时PPP的精度要求。该方法在主频1.2 GHz服务器上8线程并行模式下单历元耗时4 s,相比串行模式效率提升1/3。     

基于Gabor变换和支持向量机的手写体字符识别算法

针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,将支持向量机SVM方法用于手写字符的识别.算法首先采用Gabor变换提取手写字符图像的特征参数,然后采用提取的特征训练SVM分类器.再应用SVM分类器分类和判别手写字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

集合卡尔曼滤波在流域水文模型流量预报中的应用

针对流域降雨入渗过程,引入集合卡尔曼滤波(EnKF)理论,视整个边坡流域为一个随机动态系统,将边坡流域流量观测值作为系统的输出,用集合卡尔曼滤波模型来描述系统的状态;结合流域流量计算方法,实现水文模型参数的随机动态估计,在有效获得待估参数的同时还给出估计值的不确定性.通过数值算例表明,集合卡尔曼滤波可以有效地对含噪声的量测数据进行处理,能够跟踪水文模型的动态变化.相对于常用最优化算法,集合卡尔曼滤波同时给出反演结果和先验知识的后验分布,显示出更好的实时性和可靠性.     

GPS�����Ӳ�Ĺ�����Ԥ���о�

???GPS???????????????????ù??????????????????????????GPS?????????????????????????????????????????????????????????????????????????????????ó?Block IIR??M Rb???????????????Block IIR Rb?????Block IIR Rb???????????????Block IIA Rb???Cs?????????????????????Rb???2~3????????????????????????????????????????????????Rb?????1????????????1.9ns????????????С???????????     

基于灰关联分析方法卡尔曼滤波器的精度效能评估

针对综导系统卡尔曼滤波器的特点,深入研究了灰关联分析法在滤波器精度效能评估中的应用。给出卡尔曼滤波器进行灰关联分析的方法和步骤,并对某一类型的滤波器进行精度效能评估。仿真结果表明了该方法的可行性和有效性。     

Consideration of time-correlated errors in a Kalman filter applicable to GNSS

An algorithm for considering time-correlated errors in a Kalman filter is presented. The algorithm differs from previous implementations in that it does not suffer from numerical problems; does not contain inherent time latency or require reinterpretation of Kalman filter parameters, and gives full consideration to additive white noise that is often still present but ignored in previous implementations. Simulation results indicate that the application of the new algorithm yields more realistic and therefore useful state and covariance information than the standard implementation. Results from a field test of the algorithm applied to the problem of kinematic differential GPS demonstrate that the algorithm provides slightly pessimistic covariance estimates whereas the standard Kalman filter provides optimistic covariance estimates.